[发明专利]基于人工神经网络的河道-泛区洪水演进异维融合模拟原理与计算方法

说明书

本发明公开基于人工神经网络的河道‑泛区洪水演进异维融合模拟原理与计算方法，先根据二维水动力模型计算河道水力；然后根据河道水力判断是否达到堤防溃决条件,是则用训练好的溃口神经网络模型计算T时刻河道溃口处的泛区溃口位置水深和流速，然后以泛区溃口位置水深和流速U作为入流边界，用二维水动力模型计算泛口水力，否则返回河道水力计算；判断是否达到最大计算时间Tmax，是则输出结果，否则更新计算时刻为T+DT，返回河道水力计算。本发明利用人工神经网络强大的函数逼近能力，实现河道‑泛区洪水演进异维融合模拟，通过与水动力模型耦合的计算，有效提高了溃堤洪水演进模拟速度和精度。

技术领域

本发明涉及河道-泛区洪水演进模拟技术领域，特别是涉及一种基于人工神经网络的河道-泛区洪水演进异维融合模拟原理与计算方法。

背景技术

基于水动力学理论的河道-泛区洪水演进模拟是应急减灾的重要非工程措施之一，能为洪水动态风险展示、洪水预警预报提供技术支持。当前溃堤数值模型大体可分为一、二维耦合模型法和全二维模型法。

一、二维耦合模型法中，对于河道水流运动采用一维圣维南方程描述，洪泛区水流运动采用平面二维浅水方程来描述，河道与泛区通过溃口进行连接，一、二维耦合的模型可突出对河道与泛区之间水流连接及水量交换的描述，通常采用基于水位流量关系的耦合法和基于堰流公式的水量守恒法。该方法优点是在求解溃口处流量过程线时，便于考虑局部溃、逐渐溃、溃口位置影响等因素，计算时可以不考虑溃堤波的间断问题，因此对计算格式的要求较低。缺点是溃堤处计算流量精度较低。

全二维模型法将河道和泛区作为一个整体模型来考虑，优点是计算精度较高，但计算格式必须具有捕捉激波的能力，且数值计算需要的资源较多，耗时较长，不利于应急救灾决策。

人工神经网络以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统，具有自学习、联想存储和有高速寻找优化解的能力，因此基于人工神经网络技术，建立快速准确的河道-泛区洪水演进异维融合计算模型具有重要意义。

发明内容

本发明的目的是针对溃堤波激波捕捉难度大、复杂地形下计算稳定差以及数值计算的方法需要的资源较多等问题，而提供一种基于人工神经网络的河道-泛区洪水演进异维融合模拟原理与计算方法，以提高水流模拟精度，减少计算时间。

为实现本发明的目的所采用的技术方案是：

一种基于人工神经网络的河道-泛区洪水演进异维融合模拟原理与计算方法，包括：

S1.根据二维水动力模型计算河道水力；

S2.根据上述的河道水力判断是否达到堤防溃决条件,若达到，则将T-DT时刻河道溃口处的上游断面水深H_0,T-DT，下游断面水深H_1,T-DT，泛区溃口位置水深H_T-DT和流速U_T-DT输入训练好的溃口神经网络模型，输出计算T时刻河道溃口处的上游断面水深H_0,T，下游断面水深H_1,T，泛区溃口位置水深H_T和流速U_T，然后以溃口神经网络模型输出的泛区溃口位置水深H_T和流速U_T作为入流边界，用二维水动力模型计算泛口水力；若未达到，返回步骤S1；

S3.判断是否达到最大计算时间T_max，若达到则输出结果，否则更新计算时刻为T+DT，返回步骤S1；DT为二维水动力模型的计算时间步长。

本发明利用人工神经网络强大的函数逼近能力，实现河道-泛区洪水演进异维融合模拟，通过与水动力模型耦合的计算，有效提高了溃堤洪水演进模拟速度和精度，为河道-泛区洪水演进模拟提供了一种简便且可靠的方法。

附图说明